对，逼近解。

好比非线性规划在库恩－塔克条件的迭代

其实这就是中国古代数学的算法思想方法。

神经网络、蚂蚁算法，退火算法、遗传算法等等都是这些思路。

所以严格的逻辑分析并不是到处都适用的，我说的是适用性，不是说一点用都没有。

千万不要曲解我的意思。

再如我造一座桥梁，必须要给一定的裕量，因为有无数我无法容纳到我模型中的影响因素，以及未来可能会出现的种种不确定性。

其实这就是新古典经济学也就是现在的微观经济学的问题所在。

所以我一直觉得南开大学的柳欣教授是个牛人。

他有一句名言，经济学在理论上都对，但理论联系实际问题就大了。大意如此

[此贴子已经被作者于2008-8-21 15:37:19编辑过]

解的存在性，解的求法（算法），“对问题的解释”，不是一回事。

均衡的存在性，均衡的实现，均衡的求法，也不是一回事。

[此贴子已经被作者于2008-8-21 15:38:08编辑过]

[此贴子已经被作者于2008-8-21 15:40:52编辑过]

神经元网络，我以前负责过一个data mining项目的时候，用过。模型训练太难。

目前连excel的规划求解都几乎不用了。

[此贴子已经被作者于2008-8-21 15:43:11编辑过]

数据挖掘、算法等等需要强大的数学功底。

可是现在搞这些专业的人都是在套模型，包括管理科学。

还有一个原因就是，国内的项目跟国外是不能比的。

强大的数学模型，是需要大型的现代化企业才能用得上的，国内有几家企业能用那么复杂的数学模型？

缺少项目本身的支撑。

这也是很多人拼凑论文的原因，没有办法，根本没有实际的支撑。比如那个姜波克老师，写什么外汇实物期权，他除了去找国外文献，我想他也没有办法做独立研究，根本没有这个平台。

我以前对作业成本管理很感兴趣，后来，有个老师说，哪家企业会给你财务数据，还是不要做了吧。

后来我联系了一个大阪第二产业大学的博士，要了一些资料，看了下，也就没有下文了。

插一句话

我不是学数学专业的，不过我最后悔的是事情就是没有学数学专业，我是做管理科学的，现在转到经济学。

将来还是要花时间好好地把数学该学的知识都老老实实的做习题做练习学习一遍。

[此贴子已经被作者于2008-8-21 15:50:07编辑过]

你看物理学有测不准原理, 数学有求逼近解的方法,问题是经济学有什么?

我认为测不准是对的,但是测量多数情况下足够好,能解释现象,让大家接受,这就够了, 当然需要高精度除外

数学求取逼近解, 但是有了数值也足够好,至少让人能接受;

经济学中几乎所有数学方法都用了, 推理严密的没话说,但是大家接受不了,我想了半天,问题还是出在前提上, 这个可能不是给了富裕量能解决的,因为富裕量至少知道大致范围在那里?而有些经济学假设了之后,连范围都搞错了,

我记得我很早曾经看过一个老外关于次贷问题的证明,推出来结果就是可行的,很严密,但是现在看来问题不时出在证明本身,

我不是学经济的，只是因为工作需要，对经济学有兴趣。

高宏的东西看起来也头痛。作为非经济学者，我对学习经济学的有点看法，就是还是要把功夫放在EXCEL的应用方面就可以了。

抓大头很重要，学理工出身的转经济学，首先要培养全局观。

事实我是张五常的支持者,虽然他的有些观点我不赞同但是我很欣赏他的是

1: 他埋头去解释现象,而不是用数学方法推倒结果,我觉得这才是经济学家应该干的,

2: 对于张五常来说,微观和宏观差别没有那么大,我也觉得应该没有那么大的鸿沟,他是抓住了一个核心,虽然这个需要时间验证,但是就像绳子一样吧微观和宏观联系在了一起. 我觉得这个才是关键,而不是看你研究问题的分类

最好叫“不确定性原理”吧。

请问能否具体表述一下这个原理？

像国外做算法研究的条件比国内就要好些，我以前找一个德州理工物流专业的博士要过一些资料，我仔细看了下，其实方法都是一样的，方法上差距不大，差距是大在实际项目的支撑上。几个大型的项目做下来，就熟练了。特别是在实际项目过程中找到新的工具，这是很重要的。

经济学，我比较感兴趣的是演化经济学。我觉得这个学科很强大很有潜力。

[此贴子已经被作者于2008-8-21 16:05:49编辑过]

这三者并列在一起，真可谓“风·马·牛不相及”。

这句话充分表明对“不确定性原理”一无所知。

谁接受不了？

“接受不了”有两种情况：懂而不接受，不懂而不接受。

（1）“解释”也要遵守起码的逻辑。

（2）“宏观”与“微观”的定义如果没有给出，所谓“差别”大不大，没有意义。

所以我有时候觉得很自卑,真正算法的核心都是国外的,而且象我做计量经济学这个部分, 基本方法就是几种, 然后在什么神经网络,模糊,混沌的网上堆,新算法出来了,

我不欣赏张五常。

别人是理论去逼近现实。

张五常是用现实来解释他的理论。

“不确定性原理”是为了“想要最优解”？

我觉得这一点也只是方法问题:

1: 有理论没有结果,怎末办?--弄一个结果出来

2: 有了现象没有理论怎末办? --弄个理论出来

最后结果都是有理论有现象,

[此贴子已经被作者于2008-8-21 16:15:35编辑过]

之所以往上堆，是实际项目根本不需要。

而国外是在实际项目过程中自然而然需要的。

还是要有全局观，历史观，用实用主义的哲学观，努力做一个主流经济学者。

不要再nich market（借用一下这个词）上花费太多的时间。脑子里多记一些简单的模型和数据，就够了，能将这些东西和新问题结合起来，就能在金融领域有所成就的。

否则走向研究的路线，就没有必要转专业，在本科专业上继续下去，就是功底扎实的研究者。

是的，这也是我在学习马克思的原因。

也是我拼命阅读学习历史、哲学与社会科学的原因。

我发现包括马克思在内的古典经济学很强大。

目前的演化经济学最为接近古典经济学，强调历史性、社会性与复杂性。

[此贴子已经被作者于2008-8-21 16:30:04编辑过]

呵呵，据我所知，神经元网络在国内银行和移动电话行业对这些也是有很深入的研究的，非常重要，但要成为主流，还是要抓全局。

同感同感, 记得有一次听零点调查老总袁岳谈怎末写博士论文,开始他用了一个大家都明白的题目,结果导师说,你这个是过不了的,于是改了一个听得糊里糊涂的"先进名词", 顺利通过答辩,哎.

但是在国外学术界,也有这个堆的问题,相对我们那是轻了很多的,再怎末人家欧美的还是要谨慎多了

神经元网络主要是研究人工智能与模式识别。

他的算法正好能被用到其他领域。

不过，神经元网络我不熟悉，属于外行之类。

调研类公司主要是做统计分析之类，专业的数学专业统计方向的人，理论研究也是蛮重要的。

我认识一个朋友，是中南大学的经济学教授，专门做这方面的研究。

再好比质量统计控制当中，没有太强的项目背景，也可以做出一流的理论研究，比如北京科技大学的张公绪老先生。

不能一概而论。

不过，总体来说，项目很重要。

[此贴子已经被作者于2008-8-21 16:40:25编辑过]

历史观还是要的,要不我现在还在补经济学历史课呢,至少知道它到什么地步了才能把握全局.

我本科学的数学分析b,本科毕业多年后考研，复习数学的三本（高数，线性代数，概率）只花了一周多时间，所以对复杂的数学方法，我认为有基础，了解各个复杂的数学方法的条件，功能和使用的环境即可，需要的时候，再补一下，普遍使用的则要牢牢掌握，记住。

比较推崇谢国忠的看法，历史观，最近看了rubin的《在不确定的世界》alan greenspan的几本书包括《the age of turbulence》，和《伟大的博弈》，巴菲特之路等，觉得市场经济应该是经济学的哲学基础。这个意识很重要，是思维的基础。

与你探讨吧！